FOD-机场异物目标检测-.i外包案例-猿急送

FOD-机场异物目标检测

人工智能 · 其他案例ID: 177004

微信扫码，建群沟通

作者： .i - 1年经验- 电子科技大学计算机学院

案例介绍

研究了一种改进的深度卷积神经网络以提升异物检测的准确性。因为有些道面异物非常小，难以检测，而且不同的道面异物往往差异很大，因此基于深度学习的道面小异物检测算法通过自动学习目标特征，能够提高异物检测的准确性，即使在光照条件等环境因素改变的情况下，依然能够较准确地检测异物，解决检测率低、错检漏检等问题。
第一个版本是制作好的yolov4网络，后将mobilenet系列移植到yolov4里面（用mobilenet-v1v2v3对yolov4的主干特征提取网络进行替换），调整网络结构和参数量后做出一版mobilenet-yolov4-lite网络。对比调整前后，识别速度大幅上升，帧率达到30FPS（4月中期时yolov4为20FPS）,mAP下降了10%，在可接受范围之内，其它对比参数和指标详见附件。